Exerc Icios Resolvidos de A Lgebra Linear e Geometria Anal Itica

Exerccios resolvidos de
Algebra Linear e Geometria Analtica

Rui Albuquerque
rpa@dmat.uevora.pt
Departamento de Matematica da Universidade de

Evora
Rua Romao Ramalho, 59, 7000-671

Evora, Portugal
10 de Maio de 2009
Primeira versao
1
Albuquerque, Exerccios de

Algebra Linear e Geometria Analtica 2
Breve explicacao da origem destes exerccios
Aqueles que leiam o nosso Prontuario de

Algebra Linear e Geometria Analtica,
texto escrito para o curso de alga das licenciaturas em ramos da Engenharia e da Fsica
da Universidade de

Evora do ano lectivo 2008/09, com maior diculdade e nao possam
assistir a aulas, encontrarao no presente um conjunto de exerccios complementares à
teoria.
Mostramos aqui os enunciados que se zeram para os varios momentos de avaliacao
do curso. Acrescidos de um grupo de problemas dados numa aula teorico-pratica, o
conjunto resulta em bastante mais do que o que se pode dar num semestre de aulas
praticas. Apresentamos ainda a resolucao de todos os exerccios.
Note-se que este texto nao e suciente em problemas de calculo linear, nomeada-
mente resolucao de sistemas de equacoes, pratica do metodo de Gauss ou condensacao,
calculo de determinantes e inversao de matrizes essenciais para a consolidacao do
estudo.
Necessitamos por vezes de fazer referencia ao Prontuario de ALGA, edicao de
14 de Marco de 2009, a ultima que se disponibilizou ao p ublico e que se encontra em
http://home.uevora.pt/rpa/ . Sobre esses apontamentos, conamos que se mostre
positiva aquela escrita rapida nao menos cuidada , assim tanto quanto se possa
beneciar o estudo urgente de um instrumento da matematica fundamental como a
algebra linear.
Recordemos que o conhecimento teorico e o esteio de toda a forma cao cientco-
tecnica de base. Sempre a ser conferido pela pratica.
Rui Albuquerque
Lisboa, 10 de Maio de 2009


Evora
1
o
Teste de

27 de Outubro de 2008, 1
a
turma
Cursos de Ciencias Ter. Atm., Eng. Civil, Eng. En. R., Eng. Geol., Eng. Inf. e
Eng. Mecat.
1. Seja (A, +, ) um anel. Mostre primeiro que 0+0 = 0 e depois que a0 = 0, a A.
2. Suponha que A, B /
n,n
sao matrizes invertveis. Mostre que AB e invertvel.
3. Resolva o sistema
_
_
2u + v + x z = 0
3u + 2v x z = 0
2u + x 2z = u
3x v 2z = 0
(1)
pelo metodo da matriz ampliada. Diga qual e a matriz do sistema, a sua carac-
terstica, a caracterstica da matriz ampliada e o grau de indeterminacao.
Descreva o conjunto de solucoes, se existir, na forma mais simples que consiga.
4. Diga qual a condicao para a matriz
_
a b
c d
_
ter caracterstica 1. Pode supor
desde ja a ,= 0.
5. Escreva a condicao sobre uma matriz 2 2 para que seja complexa, isto e,
_
x y
z w
__
0 1
1 0
_
=
_
0 1
1 0
__
x y
z w
_
.


Evora
1
o
Teste de

29 de Outubro de 2008, 2
a
turma
Cursos de Ciencias Ter. Atm., Eng. Civil, Eng. En. R., Eng. Geol., Eng. Inf. e
Eng. Mecat.
1. Seja (G, ) um grupo.
i) Suponha que G tem dois elementos neutros e, e
. Mostre que entao e = e
.
ii) Suponha que g
e g
sao dois inversos do mesmo elemento g G. Mostre

que g
= g
.
2. Considere uma matriz diagonal D e outra matriz quadrada A qualquer,
D =
_
_
d
1
0 0
0 d
2
.
.
.
0 d
n
_
_
A =
_
_
a
11
a
12
a
1n
a
21
a
22
.
.
.
a
n1
a
nn
_
_
ambas de ordem n.
i) Calcule DA.
ii) Mostre que D tem inversa sse d
i
,= 0, 1 i n. Calcule a inversa.
3. Resolva o sistema
_
_
x y + 2u + v = 0
3u + 2v x y = 0
2u + x = 2y + u
3x = v + 2y
(2)
pelo metodo da matriz ampliada. Diga qual e a matriz do sistema, a sua carac-
terstica, a caracterstica da matriz ampliada e o grau de indeterminacao.
Descreva o conjunto de solu coes, se existir, na forma mais simples que puder.
4. Diga qual a condicao para a matriz
_
_
1 2 1
0 1 1
1 c d
_
_
ter caracterstica 2.
5. Encontre uma matriz nao nula cujo quadrado seja 0.

Resolucao do 1
o
Teste, 1
a
turma
1. 0 e o elemento neutro da adicao, logo 0 + 0 = 0. Para a segunda igualdade,
faz-se
a.0 = a.(0 + 0) = a.0 + a.0 (propriedade distributiva) 0 = a.0
como queramos demonstrar.
2. Se A e B sao invertveis, entao admitem inversa A
1
e B
1
, respectivamente.
Entao
(AB)(B
1
A
1
) = A(BB
1
)A
1
= AA
1
= 1
n
ou seja (AB)
1
= B
1
A
1
.
3. A matriz ampliada e, na ordem u, v, x, z,
_
_
2 1 1 1 0
3 2 1 1 0
1 0 1 2 0
0 1 3 2 0
_
_
.
As primeiras 4 colunas formam a matriz do sistema, a qual tem caracterstica
igual à da matriz ampliada (o sistema e homogeneo). Apagando entao a ultima
coluna e resolvendo pelo metodo de Gauss, comecamos por fazer L
1
2L
3
e
L
2
3L
3
e colocamos a L
3
no lugar da primeira:
_
_
1 0 1 2
0 1 1 3
0 2 4 5
0 1 3 2
_
_
L
3
2L
2
, L
4
+L
2
_
1 0 1 2
0 1 1 3
0 0 2 1
0 0 2 1
_
_
L
2
+3L
3
, L
1
+2L
4
, L
4
+L
3
_
1 0 5 0
0 1 7 0
0 0 2 1
0 0 0 0
_
_
.
Assim obtemos caracterstica 3 e grau de indetermina cao 1. Uma forma de
descrever as solucoes e por z = 2x, v = 7x, u = 5x. Outra e escrevendo o
conjunto solucao: (5x, 7x, x, 2x) : x R.
4. Usando o metodo de Gauss para triangularizar a matriz mantendo a caracters-
tica:
_
a b
c d
_
L
2
c
a
L
1
_
a b
0 d
c
a
b
_
.
A caracterstica sera 1 (pois a ,= 0) se d
c
a
b = 0, ou seja, ad bc = 0.

5. Fazendo as contas,
_
x y
z w
__
0 1
1 0
_
=
_
0 1
1 0
__
x y
z w
_

_
y x
w z
_
=
_
z w
x y
_
.
Ou seja, x = w, z = y.
Resolucao do 1
o
Teste, 2
a
turma
(Sobre a primeira questao houve uma breve explicacao durante o teste)
1. i) Por ser e elemento neutro, ee
= e
. Por ser e
elemento neutro, ee
= e.
Donde e = ee
= e
.
ii) Seja e o elemento neutro. Sabemos que g
g = gg
= e e, pela mesma razao

de ser inverso de g, tambem g
g = gg
= e. Entao,
g
= g
e = g
(gg
) = (g
g)g
= eg
= g
.
2. i) DA =
_
_
d
1
0 0
0 d
2
.
.
.
0 d
n
_
_
_
_
a
11
a
12
a
1n
a
21
a
22
.
.
.
a
n1
a
nn
_
_
=
_
_
d
1
a
11
d
1
a
12
d
1
a
1n
d
2
a
21
d
2
a
22
.
.
.
d
n
a
n1
d
n
a
nn
_
_
.
ii) Para D ter inversa deve existir uma matriz A tal que DA = 1
n
. Da equacao
_
_
d
1
a
11
d
1
a
12
d
1
a
1n
d
2
a
21
d
2
a
22
.
.
.
d
n
a
n1
d
n
a
nn
_
_
=
_
_
1 0 0
0 1 0
.
.
.
0 1
_
_
resulta que d
i
a
ii
= 1, i, e que todos os d
i
a
ij
= 0 sempre que i ,= j.
Existe solucao se, e so se, todos os d
i
forem nao nulos. Teremos entao
a
ii
=
1
d
i
, a
ij
= 0, i ,= j.
A inversa de D sera a matriz A seguinte:
A = D
1
=
_
_
d
1
1
0 0
0 d
2
1
.
.
.
0 d
n
1
_
_
.

3. A matriz ampliada e, na ordem u, v, x, y,
_
_
2 1 1 1 0
3 2 1 1 0
1 0 1 2 0
0 1 3 2 0
_
_
.
Este exerccio e bastante parecido ao exerccio 3 do teste da 1
a
turma, para o
qual remetemos o leitor.
4. A matriz tem, pelo menos, caracterstica 2. Para esta ser mesmo 2, temos de
conseguir anular a ultima linha. Usando o metodo de Gauss para triangularizar
a matriz, vem:
_
_
1 2 1
0 1 1
1 c d
_
_
L
3
L
1
_
1 2 1
0 1 1
0 c 2 d 1
_
_
L
3
(c2)L
2
_
1 2 1
0 1 1
0 0 d 1 c + 2
_
_
.
A condicao para a caracterstica ser 2 exprime-se pela equacao d1c+2 = 0,
ou seja, d c + 1 = 0.
5. Quatro solucoes, da simples à complicada:
_
0 1
0 0
_
,
_
1 1
1 1
_
,
_
_
1 1 1
1 1 1
2 2 2
_
_
,
_
_
1 1 1
.
.
.
1 1 1
n n n
_
_
.


Evora
2
o
Teste e 1
a
Frequencia de

22 de Novembro de 2008 Cursos de CTA, EC, EER, EG, EI e EM
1. Sejam A /
n,p
, B /
n,q
, C /
p,l
, D /
q,l
, com dimensoes l, n, p, q N.
Mostre que
_
A B
_
_
C
D
_
= AC + BD.
2. Escreva a seguinte permutacao como um produto de ciclos disjuntos e em seguida
como um produto de transposicoes:
=
_
1 2 3 4 5 6 7 8 9
6 4 5 8 9 3 2 7 1
_
.
Diga qual o sinal de e justique o calculo.
3. Calcule o determinante e, se possvel, encontre a inversa de
A =
_
_
1 3 1 1
0 2 4 2
1 2 1 3
0 0 0 1
_
_
.
4. Resolva o sistema em x, y, z, v
_
_
x y + v = z
2v x y = 0
x = 2y + v
pelo metodo da matriz ampliada. Diga qual e a matriz do sistema, a caracters-
tica e o grau de indeterminacao do sistema. Descreva o conjunto de solu coes,
se existir, na forma mais simples que puder.
5. Estude a independencia linear dos vectores de R
4
:
(1, 1, 3, 2), (0, 2, 4, 1), (1, 3, 0, 2).
Escreva o vector (3, 3, 2, 5) como combina cao linear daqueles tres, se possvel.
6. Calcule os seguintes determinantes:
i)
1 2 5
1 2 4
4 5 2
ii)
1 0 1 0 1
0 1 3 3 2
3 1 0 0 2
3 1 0 2 1
4 1 2 0 0
.

Resolucao do 2
o
Teste
1. A matriz
_
A B
_
esta em /
n,p+q
. A matriz
_
C
D
_
esta em /
p+q,l
. Podemos
entao multiplica-las. O resultado desse produto aparece em /
n,l
, tal como os
produtos AC e BD.
Sejam A = [a
ij
], B = [b
ik
], C = [c
jt
], D = [d
kt
]. A entrada (i, t) do produto
vem entao a ser:
_
a
ij
b
ik
_
_
c
jt
d
kt
_
=
_
p
j=1
a
ij
c
jt
+
q
k=1
b
ik
d
kt
_
=
_
p
j=1
a
ij
c
jt
_
+
_
q
k=1
b
ik
d
kt
_
e a partir daqui o resultado torna-se claro.
2. Basta tomar um elemento inicial e procurar as imagens sucessivamente, comple-
tando os ciclos. Depois ha um truque conhecido para escrever cada ciclo como
produto de transposicoes. Neste caso,
= (16359)(2487) = (19)(15)(13)(16)(27)(28)(24).
(Lembrar que a fun cao composta se le da direita para a esquerda...)
3. A matriz ampliada do sistema, na ordem x, y, z, v, e
_
_
1 1 1 1 [ 0
1 1 0 2 [ 0
1 2 0 1 [ 0
_
_
.
O sistema e homogeneo, logo a sua caracterstica e a da matriz simples. Esquece-
mos entao a ultima coluna e resolvemos pelo metodo de Gauss, comecando pelas
transforma coes:
L
2
+L
1
, L
3
L
1
_
1 1 1 1
0 2 1 3
0 1 1 2
_
_
L
1
L
3
, 2L
3
+L
2
_
1 0 2 3
0 2 1 3
0 0 3 7
_
_
3L
2
+L
3
, 3L
1
2L
3
_
3 0 0 5
0 6 0 2
0 0 3 7
_
_
.
A caracterstica do sistema e 3. O grau de indeterminacao e 1 = 4 3 e as
solucoes podem ser escritas como
z =
7
3
v, y =
2
6
v, x =
5
3
v, v R.

5. A caracterstica do sistema de vectores e a da matriz
_
_
1 1 3 2
0 2 4 1
1 3 0 2
_
_
1 1 3 2
0 2 4 1
0 2 0 0
_
_
1 1 3 2
0 2 0 0
0 0 4 1
_
_
,
logo os tres vectores dados sao linearmente independentes. Para escrevermos
(3, 3, 2, 5) à custa desse sistema, temos de resolver
(3, 3, 2, 5) = x(1, 1, 3, 2) + y(0, 2, 4, 1) +z(1, 3, 0, 2)
o que obriga a
x + z = 3, x + 2y + 3z = 3, 3x + 4y = 2, 2x + y + 2z = 5.
Este sistema de equacoes lineares escreve-se e resolve-se, na ordem x, y, z,
_
_
1 0 1 3
1 2 3 3
3 4 0 2
2 1 2 5
_
_
1 0 1 3
0 2 2 0
0 4 3 7
0 1 0 1
_
_
1 0 1 3
0 0 2 2
0 0 3 3
0 1 0 1
_
_
.
Donde o sistema e possvel e determinado: x = 2, y = 1, z = 1 (signica que
o vector (3, 3, 2, 5) esta no espaco gerado pelos tres vectores iniciais linearmente
independentes). A vericacao dos valores encontrados faz-se com facilidade.
6. i) Pela regra de Sarrus:
1 2 5
1 2 4
4 5 2
= 1.2.2 + 4.2.4 + 5.1.5 5.2.4 (1).4.5 2.1.2 = 29.

ii) Apliquemos as regras do calculo de determinantes:
1 0 1 0 1
0 1 3 3 2
3 1 0 0 2
3 1 0 2 1
4 1 2 0 0
1 0 1 0 1
0 1 3 3 2
0 1 3 0 1
0 1 3 2 2
0 1 2 0 4
1 0 1 0 1
0 1 3 3 2
0 0 6 3 3
0 0 6 5 4
0 0 5 3 6
.
Apagando as duas primeiras linhas e colunas, obtemos
=
6 3 3
0 2 1
0 3 +
15
6
6 +
15
6
6 3 3
0 2 1
0
1
2

21
6
6 3 3
0 2 1
0 0
21
6
+
1
4
.
Juntando tudo de novo obtemos uma matriz diagonal da qual ja sabemos bem
como calcular o determinante:
deter. = 1.1.(6).(2).
_
21
6
+
1
4
_
= 42 + 3 = 39


Evora
Alguns exerccios de

resolvidos em aula teorica
27 de Novembro de 2008 Cursos de CTA, EC, EER, EG, EI e EM
1. Diga quais dos seguintes conjuntos sao subespacos vectoriais:
i) U
a
= (x, y, z) R
3
: a
2
(x + y) + z = 0, 3x + y = 0.
ii) V
a
= (x, y) R
2
: ay
2
= 3x + y = 0 e

V
a
= (x, y) R
2
: ay
2
= 3x + y.
iii) W
1
= A /
nn
: AB B
2
A + A
t
= 0, onde B e uma matriz xada.
iv) W
2
= A /
nn
: a
11
+ 3a
1n
+ a
n1,1
a
nn
= 0.
Calcule a dimensao dos subespacos que encontrou (faca n = 1, 2, 3 em iii)).
2. Seja V um espaco vectorial e S V um subconjunto qualquer.
i) Mostre que o espaco gerado
S) = combina coes lineares nitas de vectores de S
e um subespaco vectorial de V .
ii) Descreva o subespaco de R
3
gerado por (1, 1, 1), (1, 1, 0), (0, 0, 1) e calcule a
sua dimensao.
iii) Mostre que, em dimensao nita, uma base de V e um conjunto minimal de
geradores.
3. Seja W um espaco vectorial de dim < e U, V dois subespacos vectoriais de
W.
i) Mostre que U V e subespaco vectorial de W.
ii) Mostre que U + V e subespaco vectorial de W.
iii) Mostre que dim(U + V ) = dimU + dimV dim(U V ).
4. Sejam V, W espacos vectoriais reais de dim n, m, respectivamente, e v
i
,w
j
bases xadas em V, W, respectivamente. Sejam X =

_
x
1
x
n
_
t
a matriz
dos coecientes de um qualquer vector v V e B =
_
b
1
b
n
_
t
a matriz
dos coecientes de um vector w
0
W. Seja f : V W uma aplicacao linear e
A = M(f, v
i
, w
j
).
i) Mostre que f(v) = w
0
sse AX = B.
ii) Mostre que C
w
0
= v : f(v) = w
0
= v
0
+ Nuc f, onde v
0
e uma solucao
particular, isto e, f(v
0
) = w
0
. Interprete geometricamente.
iii) Demonstre a formula dimV = dimNuc f + dimImf.
5. Seja f : V W uma aplicacao linear entre espacos vectoriais. Mostre que:
i) se U W e um subespa co vectorial, entao
f
U = v V : f(v) U

ii) f e injectiva sse Nuc f = 0.
iii) f e injectiva sse f transforma vectores linearmente independentes em vec-
tores linearmente independentes.
iv) f e sobrejectiva sse o espaco gerado por f(B) e igual a W, ou seja f(B)) =
W, para qualquer base B de V .
v) f e bijectiva sse transforma uma base de V numa base de W.
6. Seja Tr A a soma das entradas da diagonal principal de uma matriz A. Esta
aplicacao linear chama-se traco. Mostre que e de facto linear. Mostre que
Tr (AB) = Tr (BA) para quaisquer A, B /
n,n
.
7. Considere o espaco vectorial das sucessoes em R. Mostre que e um espaco
vectorial. Mostre que tem um subespaco vectorial, denotado l
, composto
pelas sucessoes convergentes. Verique que lim : l
R e linear. Verique que

o n ucleo de lim contem um subespaco proprio, que e o das sucessoes (x
n
)
nN
tais que S
n
=
n
i=1
x
i
converge. Verique que este nao e de dimensao nita.
8. Por nocoes de geometria elementar, sabe-se que a aplica cao R
, rotacao de
angulo no plano R
2
em torno da origem, e uma aplicacao linear. Agora
resolva:
i) identique a matriz de R
na base canonica, (1, 0), (0, 1).

ii) deduza as formulas
cos (
1
+
2
) = cos
1
cos
2
sen
1
sen
2
sen (
1
+
2
) = sen
1
cos
2
+ cos
1
sen
2
.
9. Seja f : V W uma aplicacao linear e bijectiva entre espacos vectoriais. Neste
caso, f chama-se um isomorsmo e diz-se que V e W sao isomorfos.
i) Mostre que dimW = dimV , se uma delas e nita.
ii) Mostre que f
1
: W V e uma aplicacao linear.
iii) Na notacao do exerccio 4, prove que M(f
1
, w
j
, v
i
) = M(f, v
i
, w
j
)
1
.
iv) Mostre
1
que qualquer espaco vectorial de dimensao nita n e isomorfo a R
n
.
11. Diga quais das seguintes aplicacoes sao lineares:
i) f(x, y) = (x + y, 3x + y, x y) ii) g(x, y, z) = (2x
2
+ z, 3x)
iii) (g/x)(x, y, z) iv) f g v) h(y, z) = (0, y, z) vi) g h.
12. Represente as aplica coes lineares da alnea anterior pelas suas matrizes nas bases
(1, 1, 0), (0, 2, 1), (3, 0, 1) de R
3
e (0, 1), (2, 0) de R
2
.
1
Nota: este exerccio nao retira qualquer importancia ao conceito geral de espaco vectorial de
dim nita, como no cao objectiva e independente de referenciais.

Admitindo aquelas bases, descreva as tres aplicacoes lineares cujas matrizes sao:
A =
_
2 3
3 4
_
B =
_
2 0
2
0
2 4
_
C =
_
_
0 1
3 4
1 0
_
_
.
13. Reconsideremos a notacao do exerccio 4. Suponhamos que alteramos a base
v
i
para a base v
k
. Seja P = M(1
n
, v
k
, v
i
) a matriz de mudanca de
base.
i) Mostre que M(f, v
k
, w
j
) = P M(f, v
i
, w
j
).
ii) Seja g : V V uma aplicacao linear e G = M(g, v
i
, v
i
). Mostre que
M(g, v
k
, v
k
) = PGP
1
.
iii) Escreva uma denicao e prove que o determinante e o traco de uma aplicacao
linear, como g, fazem sentido.
Resolucao dos exerccios
1. i) U
a
e subespaco vectorial.

E o n ucleo de uma aplicacao linear. A sua dimensao
e 1 pois e gerado pelo vector (1, 3, 2a
2
), gerador das solucoes do sistema das
duas equacoes.
ii) V
a
e subespaco vectorial (embora apareca y
2
= 0, esta expressao nao linear
e equivalente a y = 0). Tem-se, como na alnea anterior, dimV
a
= 0, pois (0, 0)
e a unica solucao. Ja

V
a
nao e subespaco vectorial se a ,= 0; note-se que a
parabola ay
2
= 3x + y nao se reduz ao (0, 0) e, se (x, y) lhe pertencer, entao
nem toda a recta (x, y) lhe pertencera.
iii)

E subespaco vectorial. Vejamos pela denicao. Supondo A, A
W
2
e
R, vem
(A + A
)B B
2
(A + A
) + (A + A
)
t
= AB + A
B B
2
A B
2
A
+ A + A
t
= (AB B
2
A + A) + (A
B B
2
A
+ A
t
) = 0.

Em dimensao 1: temos que B e A sao simplesmente, apenas n umeros reais. A
equa cao dada ca A(B
2
+ B + 1) = 0, logo W
1
= R sse
B
2
+ B + 1 = 0 B =
1
5
2
.
Caso contrario, W
1
= 0.
Em dimensao 2: tambem aqui aparecem varios casos dependendo de B. Se
B = 0 ou B = 1
2
, entao W
1
= 0. Se, por exemplo, B =
_
0 1
0 0
_
, entao
B
2
= 0 e a equacao dada, escrevendo
A =
_
a b
c d
_
, resulta em AB B
2
A + A
t
=
_
0 a
0 c
_
+
_
a c
b d
_
= 0
e logo a = c = b = d = 0. Mas se B =
_
0 1
1 0
_
, entao B
2
= 1
2
e da temos
as equacoes AB B
2
A + A
t
= 0 se, e so se,
_
b a
d c
_
_
a b
c d
_
+
_
a c
b d
_
=
_
a + a b a b + c
d c + b c d + d
_
= 0.
Agora, no caso +, vem b = c = 0 olhando para a diagonal e depois seguem
a = d = 0, ou seja A = 0 e logo W
1
= 0. No caso , vem de novo A = 0.
Nao sera portanto facil deduzir a solucao geral do problema, o que deixamos em
aberto.

E certo que ha solu coes nao nulas, como mostra o caso B =
_
1 0
0 0
_
:
temos AB B
2
A + A
t
=
_
a 0
c 0
_
_
a b
0 0
_
+
_
a c
b d
_
= 0
se, e so se, a = d = 0 e b + c = 0. Donde W
1
tem dimensao 1 neste caso.
Em dimensao 3: problema ainda mais complicado que o anterior, que deixamos
como ilustracao das diculdades de calculo em

Algebra Linear.
iv) A equacao apresentada denindo as matrizes de W
2
e linear. W
2
e o seu
n ucleo, logo um subespaco vectorial do espaco das matrizes (cf. exerccio 4). A
dimensao de W
2
e igual a dim/
n,n
dimR = n
2
1.
2. i) Este e um exerccio importante, que mostra que a matematica às vezes nem
de papel e lapis precisa.
Vejamos: e claro que ao somarmos duas combinacoes lineares nitas de ele-
mentos de S obtemos uma combinacao linear nita de vectores de S. E se

multiplicarmos uma dessas combinacoes lineares por um escalar qualquer, e
tambem imediato que obtemos de novo uma dessas expressoes: simbolicamente,
neste ultimo caso, (
) =
).
ii)

E facil ver que qualquer vector de R
3
se escreve como combinacao linear
daqueles tres vectores dados.
Ao fazermos as combinacoes lineares a(1, 1, 1) + b(1, 1, 0) + c(1, 0, 0) podemos
chegar a qualquer vector (x, y, z) de R
3
. O sistema
_
_
x = a + b + c
y = a + b
z = a
_
a = z
b = y z
c = x y
e possvel e determinado.
iii) Esta frase esta justicada no Prontuario de ALGA.
3. i) Suponhamos que w
1
, w
2
U V e R. Entao w
1
+ w
2
U V , por
denicao, pois cada um dos U, V e subespaco vectorial real.
ii) Recordemos que, por deni cao, qualquer vector w U + V se escreve na
forma u + v com u U e v V . Suponhamos agora que u
1
, u
2
U, que
v
1
, v
2
V e que R. Com estes formamos vectores genericos de U + V , ou
seja, u
1
+ v
1
e u
2
+ v
2
. Entao fazendo uma combina cao linear como na alnea
i), obtem-se
u
1
+ v
1
+ (u
2
+ v
2
) = u
1
+ u
2
+ v
1
+ v
2
,
de novo um vector em U + V , porque u
1
+ u
2
U e v
1
+ v
2
V .
iii) Este exerccio aparece como o teorema 15 no Prontuario de ALGA, onde e
demonstrado.
4. Resolvido na pagina 46 e teorema 18 do Prontuario de ALGA.
5. i) Sejam v
1
, v
2
f
U e R, com f aplicacao linear e U subespaco vectorial

de W. Entao f(v
1
), f(v
2
) U por denicao. E logo
v
1
+ v
2
f
U
porque f e linear e porque f(v
1
+ v
2
) = f(v
1
) + f(v
2
) U.
ii) Exerccio 4 do terceiro teste.
iii) Exerccio 4 do quarto teste e 2
a
frequencia, 1
a
chamada.
iv) Queremos ver que f(V ) = W se, e so se, f(B)) = W. Na verdade podemos
fazer melhor, simplesmente demonstrando que se tem sempre, para qualquer
aplicacao linear, f(B)) = f(V ). Ou seja, a imagem da base gera o subespaco
vectorial imagem de f. O que e obvio, pois qualquer v V verica v =
i
v
i
,
com os v
i
B e certos escalares
i
, e logo
f(v) = f
_
i
v
i
_
=
i
f(v
i
) f(B)).

v) Como e sabido, uma base e simultaneamente um conjunto de vectores ger-
adores do espaco e um sistema linearmente independente (sli). Portanto este
resultado segue das alneas iii) e iv).
6.

E a primeira parte da pergunta 5 do exame de Recurso. Para ver que Tr (AB) =
Tr (BA) para quaisquer A, B /
n,n
, suponhamos A = [a
ij
] e B = [b
kl
]. Como
a entrada (i, l) de AB e o termo
j
a
ij
b
jl
, vem
Tr (AB) =
n
i=1
n
j=1
a
ij
b
ji
=
n
j=1
n
i=1
b
ji
a
ij
= Tr (BA)
7. Se somarmos duas sucessoes (convergentes), digamos (x
n
)
nN
e (y
n
)
nN
, ou mul-
tiplicarmos uma sucessao por um escalar R, entao obtemos uma sucessao
(convergente) e uma consequencia imediata da denicao e do que se entende
por soma de sucessoes e, no caso das convergentes, uma consequencia do con-
ceito de limite. Portanto o subespa co l
e subespaco vectorial real do espaco

vectorial de todas as sucessoes. Tambem sabemos da Analise que
lim(x
n
+ y
n
) = limx
n
+ limy
n
.
O que se arma a seguir no enunciado e que o subespa co das sucessoes con-
vergentes para 0, ou seja o n ucleo de lim, contem um subespaco ainda menor:
o daquelas sucessoes x
n
cujas respectivas series S
n
=
n
i=1
x
i
convergem. De-
signemos este subespaco por o. Com efeito, sabe-se que S
n
convergir implica
limx
n
= 0.
E o e mesmo um subespaco proprio: por exemplo, recordemos que a serie de
Dirichlet de termo x
n
=
1
n
nao converge.
As sucessoes x
k
= (0, 0, . . . , 0, 1, 0, 0, . . .) que tomam o valor 0 em todas as
ordens excepto k, onde valem 1, sao linearmente independentes
2
. Claro que
x
k
o. Logo este espaco vectorial tem dimensao innita (provamos que uma
sua base sera, no mnimo, enumeravel).
8. i) Uma rotacao de angulo na base canonica e
1
, e
2
verica
R
(e
1
) = (cos , sen ) = cos e
1
+ sen e
2
,
R
(e
2
) = (sen , cos ) = sen e
1
+ cos e
2
,
logo a matriz e
_
cos sen
sen cos
_
da b.c. para a b.c.
ii) A rota cao de angulo
1
+
2
e a composicao de duas rotacoes:
R
1
+
2
= R
2
R
1
.
2
Recordar, de passagem, que so se consideram combina coes lineares nitas.

Olhando apenas para a imagem de e
1
= (1, 0), obtemos
_
cos(
1
+
2
)
sen (
1
+
2
)
_
=
_
cos
2
sen
2
sen
2
cos
2
__
cos
1
sen
1
sen
1
cos
1
_
Multiplicando as matrizes deduzem-se as duas celebres formulas do enunciado.
9. i) Este resultado segue do exerccio 5 depois de mostrarmos a alnea ii).
ii) A aplicacao inversa tambem e linear: para ver, na notacao habitual, que
f
1
(u + v) = f
1
(u) + f
1
(v)
basta aplicar f a ambos os membros da identidade. Com efeito, temos
f(f
1
(u) + f
1
(v)) = f(f
1
(u)) + f(f
1
(v))
= u + v = f(f
1
(u + v)),
e sendo f injectiva, teremos a garantia que estas imagens vem de um mesmo
objecto. Ou seja,
f
1
(u + v) = f
1
(u) + f
1
(v).
iii) Ver pagina 47 do Prontuario de ALGA.
iv) Suponhamos que V e um qualquer espaco vectorial de dimensao nita n.
Logo possui uma base B = u
1
, . . . , u
n
. Seja B
0
= e
1
, . . . , e
n
a base canonica
de R
n
. Entao a aplicacao linear f : V R
n
denida por f(u
i
) = e
i
, 1 i n,
e um isomorsmo.
11. i) Qualquer forma do tipo f(x, y) = ax+by com a, b constantes, e uma aplicacao
linear:
f((x
1
, y
1
) + (x
2
, y
2
)) = f(x
1
+ x
2
, y
1
+ y
2
) = a(x
1
+ x
2
) + b(y
1
+ y
2
)
= ax
1
+ by
1
+ (ax
2
+ by
2
) = f(x
1
, y
1
) + f(x
2
, y
2
).
No caso da aplicacao dada, so temos de acrescentar que uma aplicacao para R
k
e linear sse as suas k componentes sao, cada uma delas, lineares.
ii) g nao e linear por ter uma parte quadratica.
iii) Temos
g
x
(x, y, z) = (4x, 3).
Esta aplica cao nao e linear porque tem uma componente constante e a unica
aplicacao constante que e linear e a aplica cao nula.
iv) f g(x, y, z) nao e linear por ter uma parte quadratica.
v) h e claramente linear, representando um dos possveis mergulhos de R
2
em
R
3
.
vi) g h(y, z) = g(0, y, z) = (z, 0) tambem e facil de ver que e linear.

12. i) Temos f(0, 1) = (1, 1, 1) = a(1, 1, 0) +b(0, 2, 1) +c(3, 0, 1). Ha que resolver
este sistema de equacoes lineares, o que da: (a, b, c) = (
11
5
,
3
5
,
2
5
). Convira
alias resolver o sistema para qualquer vector: (x, y, z) = a(1, 1, 0) + b(0, 2, 1) +
c(3, 0, 1)
(a, b, c) =
1
5
(2x + 3y 6z, x + y + 3z, x y + 2z). ()
Agora para f(2, 0) = (2, 6, 2) = 2(1, 1, 0)+2(0, 2, 1), resolvido o sistema. Assim,
denotando por B e B
as respectivas bases dadas de R

3
e de R
2
, temos
M = M(f, B, B
) =
_
_
11
5
2
3
5
2
2
5
0
_
_
repare-se que a ordem como se dispoem os coecientes na matriz e aquela
que nos permite depois calcular a imagem de cada vector (0, 1) +(2, 0) pelo
produto M
_

_
.
Vejamos agora o caso de h. Temos h(0, 1) = (0, 0, 1) =
6
5
(1, 1, 0) +
3
5
(0, 2, 1) +
2
5
(3, 0, 1) e ainda h(2, 0) = (0, 2, 0) =
6
5
(1, 1, 0)+
2
5
(0, 2, 1)
2
5
(3, 0, 1). Finalmente
g h, que tambem e linear, verica g h(0, 1) = (1, 0) =
1
2
(2, 0), g h(2, 0) = 0.
Donde,
M(h, B, B
) =
_
6
5
6
5
3
5
2
5
2
5

2
5
_
_
, M(g h, B
, B
) =
_
0 0
1
2
0
_
.
A segunda parte desta questao pede-nos para encontrar o termo geral de uma
aplicacao linear, dada a sua matriz nas bases xadas. Sendo f
A
a aplicacao
respeitante à matriz A, temos f
A
(1, 0) =
1
2
f
A
(2, 0) = 3(0, 1) + 4(2, 0) = (8, 3) e
f
A
(0, 1) = 2(0, 1) + 3(2, 0) = (6, 2). Entao
f
A
(x, y) = xf
A
(1, 0) +yf
A
(0, 1) = (8x + 6y, 3x + 2y).
Para a matriz B, a respectiva aplicacao f
B
verica f
B
(1, 1, 0) = 2(0, 1) =
(0, 2), f
B
(0, 2, 1) =
2(2, 0) = (2
2, 0) e f
B
(3, 0, 1) =
2(0, 1) + 4(2, 0) =
(8,
2). Agora, por (), vemos que (x, y, z) =

1
5
(2x + 3y 6z)(1, 1, 0) +
1
5
(x + y + 3z)(0, 2, 1) +
1
5
(x y + 2z)(3, 0, 1). Donde
f
B
(x, y, z) =
=
1
5
((2x + 3y 6z)(0, 2) + (x + y + 3z)(2
2, 0) + (x y + 2z)(8,
2))
=
1
5
_
(8 2
2)x + (2
2 8)y + (6
2 + 16)z,
(4
2)x + (6 +
2)y (12 + 2
2)z
_
.

Finalmente para a matriz C temos, fazendo os calculos,
f
C
(0, 1) = 3(0, 2, 1) + 1(3, 0, 1) = (3, 6, 4),
f
C
(2, 0) = 1(1, 1, 0) + 4(0, 2, 1) = (1, 7, 4).
E logo
f
C
(x, y) =
x
2
f
C
(2, 0) + yf
C
(0, 1) = (
1
2
x + 3y,
7
2
x + 6y, 2x + 4y).
13. Ver seccao 4.2.3 do Prontuario de ALGA. A denicao do determinante de uma
aplicacao linear e dada na formula (4.38). Nao depende da escolha das bases
devido à regra do determinante do produto. Com efeito, considerando a nota cao
da alnea ii), se G e G
= PGP
1
sao duas representa coes da mesma aplicacao
linear, entao
[G
[ = [PGP
1
[ = [P[[G[[P
1
[ = [P[[G[[P[
1
= [G[.
No caso do traco tambem se dene Tr g = Tr G. A invariancia do traco relativa
às bases resulta da formula demonstrada acima no exerccio 6:
Tr G
= Tr (PGP
1
) = Tr (P
1
PG) = Tr G.


Evora
3
o
Teste de

10 de Dezembro de 2008 Cursos de CTA, EC, EER, EG, EI e EM
1. Para o subespaco vectorial de R
4
gerado por
(1, 2, 3, 2), (0, 1, 3, 1), (1, 4, 3, 0)
encontre uma base e diga qual a sua dimensao.
2. Represente a matriz da seguinte aplicacao linear:
f : R
2
R
2
, f(x, y) = (3x, 2x + 3y),
da base canonica (1, 0), (0, 1) de R
2
para a base (1, 1), (1, 0) de R
2
.
3. Sejam V, W dois espacos vectoriais e f, g : V W duas aplicacoes lineares. Seja
R. Mostre que f + g e f tambem sao aplicacoes lineares.
4. Mostre que uma aplicacao linear f e injectiva sse Nuc f = 0.
5. Conhecendo a regra de Laplace para o calculo do determinante de A = [a
ij
] /
nn
,
diga por que razao se tem a formula
n
j=1
(1)
i+j
a
kj
[A
(i,j)
[ = 0, k ,= i.
A
(i,j)
e a matriz que resulta de A tirando a linha i e a coluna j. (Esta formula
permite provar que a matriz adjunta sobre o determinante e a inversa da matriz
dada...)
Justique os calculos.

Solucao
1. Para encontrar uma base do subespaco gerado por aqueles vectores, basta en-
contrar entre eles um s.l.i. (sistma de vectores linearmente independende) que
nao possa ser extendido. Ora a caracterstica da matriz
_
_
1 2 3 2
0 1 3 1
1 4 3 0
_
_
1 2 3 2
0 1 3 1
0 2 6 2
_
_
1 2 3 2
0 1 3 1
0 0 0 0
_
_
e claramente 2 e nao menos que 2. Portanto podemos escolher os dois primeiros
vectores para base do subespa co (e exactamente o mesmo subespaco gerado so
por estes dois vectores). Note-se que qualquer par de vectores extrados daqueles
tres serve de base do subespa co pedido.
Assim a dimensao e 2.
2. Tem-se f(1, 0) = (3, 2) = 2(1, 1) + 1(1, 0), f(0, 1) = (0, 3) = 3(1, 1) 3(1, 0).
Entao a matriz de f da primeira base para a segunda e
M(f, B
1
, B
2
) =
_
2 1
3 3
_
3. Para quaisquer u, v V, R, temos a condicao de linearidade
(f + g)(u + v) = (f)(u + v) + g(u + v) = (f(u + v)) +g(u) + g(v)
= f(u) + f(v) + g(u) + g(v) = (f + g)(u) + (f + g)(v).
Fazendo acima = 1, temos a demonstracao da linearidade de f + g. Fazendo
g = 0, temos a demonstracao da linearidade de f.
4. Suponhamos que f e injectiva. Se v Nuc f, ou seja, f(v) = 0, entao f(v) =
0 = f(0). Por injectividade, apenas um v tem a mesma imagem que outro
vector. Logo v = 0.
Recprocamente, suponhamos Nuc f = 0 (subespaco vectorial trivial ). Entao,
sendo f(v
1
) = f(v
2
) com v
1
, v
2
V quaisquer, vem f(v
1
) f(v
2
) = 0. Em
seguida, por linearidade de f, vem f(v
1
v
2
) = 0. Pela hipotese, temos v
1
v
2
=
0, isto e, v
1
= v
2
como queramos. Donde f e injectiva.
5. O lado esquerdo da formula que aparece e a do calculo do determinante pela
regra de Laplace, mas so que, na linha i, em vez da linha i colocamos a linha k
k ,= i. Porem, se repetimos linhas, o determinante e 0.


Evora
4
o
Teste e 2
a
Frequencia de

12 de Janeiro de 2009 Cursos de CTA, EC, EER, EG, EI e EM
1. Seja A =
_
_
k 2 k
1 3 k
0 2 1
_
_
, k R.
i) Calcule o determinante de A pela regra de Laplace sobre uma linha ou coluna
à escolha.
ii) Encontre os valores de k para os quais A e regular.
iii) Admita k = 3 e calcule a inversa de A pelo metodo da matriz adjunta (se
possvel, verique o resultado).
2. Prove que os seguintes vectores constituem uma base de R
3
:
u
1
= (1, 2, 0), u
2
= (5, 2, 1), u
3
= (2, 3, 6).
Escreva (2, 0, 0) como combinacao linear de u
1
, u
2
, u
3
.
3. Sabe-se que a aplicacao f : R
3
R
3
, f(x, y, z) = (3x, 2y + x, z + y), e linear.
i) Descreva o n ucleo de f.
ii) Escreva a matriz de f na base canonica de R
3
.
iii) Encontre os valores proprios de f.
iv) Encontre um vector proprio de f associado a 3.
4. Seja V um espa co vectorial de dimensao nita e f : V V uma aplicacao linear
injectiva (Nuc f = 0). Seja v
1
, . . . , v
n
um sistema de vectores linearmente
independentes de V . Mostre que f(v
1
), . . . , f(v
n
) tambem e um sistema de
vectores linearmente independentes.
5. Encontre um vector de R
3
, nao nulo, ortogonal ao plano de equa cao 3x4y+7z =
0.

Resolucao do teste e frequencia
1)i) Calculemos o determinante por Laplace na 1
a
coluna:
[A[ = k
3 k
2 1
2 k
2 1
= k(3 2k) (2 2k) = 2k

2
+ 5k + 2.
ii) A e regular para os valores para os quais e invertvel (regular=invertvel). Uma
matriz e regular sse o determinante e nao nulo. Pela formula resolvente e pela alnea
i),
5
25 + 16
4
=
5
41
4
sao os valores que k N
AO deve ter para A ser regular. Ou seja, k R

5
41
4
.
iii) Para k = 3, ve-se que [A[ = 1. Agora
_
_
3 2 3
1 3 3
0 2 1
_
_
1
[A[ =
_
3 3
2 1
2 3
2 1
2 3
3 3
1 3
0 1
3 3
0 1
3 3
1 3
1 3
0 2
3 2
0 2
3 2
1 3
_
=
_
_
3 8 15
1 3 6
2 6 11
_
_
.
Vericacao:
_
_
3 2 3
1 3 3
0 2 1
_
_
_
_
3 8 15
1 3 6
2 6 11
_
_
=
_
_
1 0 0
0 1 0
0 0 1
_
_
como queramos.
2) Pondo os vectores em matriz, tem-se
_
_
1 2 0
5 2 1
2 3 6
_
_
= 12+43+32 ,= 0. Logo a
caracterstica r = 3, ou seja, ha 3 linhas linearmente independentes. Quem diz linhas,
diz vectores. Sendo 3 vectores l.i. num espa co de dimensao 3, claro que formam uma
base.
Para escrever (2, 0, 0) como combinacao linear dos u
i
, resolve-se
(2, 0, 0) =
1
u
1
+
2
u
2
+
3
u
3
ou seja
_
1
+ 5
2
+ 2
3
= 2
2
1
2
2
+ 3
3
= 0
2
6
3
= 0
_
1
+ 32
3
= 2
2
1
9
3
= 0
2
= 6
3
_
_
9
3
+ 64
3
= 4
1
=
9
2
3
=
4
73
1
=
18
73
2
=
24
73
.

3) Este exerccio faz-se de uma assentada, ja que a base canonica
B = (1, 0, 0), (0, 1, 0), (0, 0, 1)
simplica tudo. Primeiro, a matriz de f e
A = M(f, B, B) =
_
_
3 0 0
1 2 0
0 1 1
_
_
porque f(1, 0, 0) = (3, 1, 0), f(0, 1, 0) = (0, 2, 1) e f(0, 0, 1) = (0, 0, 1).
Agora, os valores proprios de f sao as razes do polinomio caracterstico da matriz
de f (numa base qualquer desde que escolhamos a mesma base no espaco de partida
e no espaco de chegada):
p
A
() = [A 1
3
[ =
3 0 0
1 2 0
0 1 1
= (3 )(2 )(1 ).
Logo os valores proprios sao 1, 2, 3.
Calculando vectores proprios associados a 3, temos
AX = 3X (A 3.1
3
)
_
_
x
y
z
_
_
= 0
_
_
0 0 0 [ 0
1 1 0 [ 0
0 1 2 [ 0
_
_
donde as solucoes x = y = 2z. Assim um gerador do subespaco proprio associado a 3
e, por exemplo, (2, 2, 1). Vericacao: f(2, 2, 1) = (6, 6, 3) = 3(2, 2, 1).
Finalmente, 0 nao e valor proprio, logo o n ucleo de f e nulo, isto e, Nuc f = 0.
4) Como se sabe, a condicao de f(v
1
), . . . , f(v
n
) ser um sistema de vectores linear-
mente independentes (sli) ve-se por analise da equacao em s
1
f(v
1
) + +
n
f(v
n
) = 0 .
Ora, por linearidade, e equivalente a f(
1
v
1
+ +
n
v
n
) = 0. Mas por o
n ucleo de f ser nulo, tem mesmo de ser
1
v
1
+ +
n
v
n
= 0. Como os v
i
s sao por
hipotese um sli, tem de ser
1
= =
n
= 0.
Entao esta provado que f(v
1
), . . . , f(v
n
) sao um sli: nao e possvel escrever uma
combinacao linear nula, destes vectores, com algum
i
nao nulo.
5) (1
a
solu cao) O subespaco am dado e um plano.

E tambem claro que este plano
passa pela origem dos referenciais. Ou seja, e um subespaco vectorial (so por conter
o 0).
Encontremos dois vectores l.i. no plano (que o geram): podem ser u = (1, 1, 1)
e v = (4, 3, 0). Agora, um vector (a, b, c) R
3
e ortogonal ao plano se for ortogonal

a u e v. Resolvemos o sistema:
_
(a, b, c), (1, 1, 1)) = 0
(a, b, c), (4, 3, 0)) = 0
_
a b c = 0
4a + 3b = 0
.
E vemos que uma soluc ao e (3, 4, 7).
5) (2
a
solucao, para um caso mais geral) A equacao de um plano e dada como
ax + by + cz = d, ou seja, (a, b, c), (x, y, z)) = d. O ortogonal a e o subespaco
vectorial ortogonal aos vectores diferenca de dois pontos P, P
. Mas entao vem

(a, b, c), (x, y, z) (x
, y
, z
)) = (a, b, c), (x, y, z)) (a, b, c), (x
, y
, z
)) = d d = 0
Logo e mesmo o vector (a, b, c) que gera
.
No caso presente, era ainda mais facil: a equacao
3x 4y + 7z = (3, 4, 7), (x, y, z)) = 0
mostra logo que (3, 4, 7) e ortogonal ao plano. (Isto bastava como resposta.)


Evora
4
o
Teste e 2
a
Frequencia de

19 de Janeiro de 2009 Cursos de CTA, EC, EER, EG, EI e EM
1. i) Sejam A, B, C /
2,2
as componentes de uma matriz quadrada [a
ij
]
i,j=1,...,4

/
4,4
, tal como na formula que segue. Prove que
A 0
B C
= [A[[C[.
ii) Calcule o determinante
2 0 3 0
1 0 5 0
2 3 7 4
3 2 1 0
recorrendo a alnea anterior.

2. i) Encontre dois vectores u
3
e u
4
de modo que os seguintes constituam uma base
de R
4
, justicando a sua escolha:
u
1
= (1, 1, 2, 0), u
2
= (2, 0, 2, 1), u
3
, u
4
.
ii) Escreva (1, 1, 4, 1) como combinacao linear dos vectores dessa base.
iii) Calcule a norma dos vectores u
1
, u
2
e calcule o angulo entre eles.
3. Considere as aplicacoes denidas por
f(x, y, z) = (2x + 3yz, 2x), g(x, t) = t, h(x, y) = (2x, y, 1), gf, fh.
i) Diga quais as que sao lineares e, para as que nao sao, de um contra-exemplo.
ii) Descreva o n ucleo de gfh.
iii) Escreva a matriz de fh na base canonica de R
2
.
iv) Encontre os valores proprios de fh.
4. Seja U R
n
um subconjunto nao vazio.
i) Use as linearidades do produto interno para mostrar que
U
=
_
v R
n
: v, u) = 0, u U
_
e um subespaco vectorial.
ii) Seja c R uma constante. Prove que
T =
_
v R
n
: v, u) = c, u U
_
e um subespaco am associado a U
.

Esclarecimentos necessarios prestados durante a prova.
A matriz do exerccio 1 pode-se ver como
_
A 0
B C
_
=
_
_
a
11
a
12
0 0
a
21
a
22
0 0
a
31
a
32
a
33
a
34
a
41
a
42
a
43
a
44
_
_
Na alnea 2.iii) queria-se pedir, de facto, para calcular o coseno do angulo e nao o
angulo.
No exerccio 3, a notacao refere-se a
gf = g f, fh = f h, etc.

Resolucao do teste e frequencia
1)i) Aplicando a regra de Laplace na 1
a
linha e seguindo os esclarecimentos, vem
A 0
B C
a
11
a
12
0 0
a
21
a
22
0 0
a
31
a
32
a
33
a
34
a
41
a
42
a
43
a
44
= a
11
a
22
0 0
a
32
a
33
a
34
a
42
a
43
a
44
a
12
a
21
0 0
a
31
a
33
a
34
a
41
a
43
a
44
.
Aplicando a regra de Laplace de novo e reparando ja no determinante de C, o calculo
anterior segue igual a
= a
11
a
22
[C[ a
12
a
21
[C[ = [A[[C[,
ii) Trocando as colunas 2 e 3 o determinante muda de sinal e estamos nas condicoes
anteriores. O resultado nal e
2 3
1 5
3 4
2 0
= 13(8) = 104.
2) Parece, à primeira vista, que u
3
= (0, 0, 1, 0) e u
4
= (0, 0, 0, 1) sao escolhas acer-
tadas. Com efeito, o determinante
u
1
u
2
u
3
u
4
1 1 2 0
2 0 2 1
0 0 1 0
0 0 0 1
1 1
2 0
1 0
0 1
,= 0
(pelo exerccio 1). Logo os 4 vectores sao linearmente independentes. Sendo parte de
uma base, num espaco de dimensao 4, so podem ser uma base (todas tem o mesmo
n umero de vectores).
ii) Queremos
(1, 1, 4, 1) = x
1
u
1
+x
2
u
2
+x
3
u
3
+x
4
u
4
= (x
1
+2x
2
, x
1
, 2x
1
2x
2
+x
3
, x
2
+x
4
).
Entao ve-se logo que x
1
= 1 e de seguida vem
x
2
= 1, x
3
= 0 e x
4
= 0.
Ou seja, aquele vector e a combinacao linear u
1
u
2
. (Os outros u
3
, u
4
nao entram
nunca, pois, para quaisquer vectores que se arranje extendendo u
1
, u
2
a uma base de
R
4
, lembremo-nos sempre que a escrita de u
1
u
2
aparece de forma unica.)
iii) |u
1
| =
1 + 1 + 4 =
6, |u
2
| =
4 + 4 + 1 =
9 = 3. Logo
cos (u
1
, u
2
) =
u
1
, u
2
)
|u
1
||u
2
|
=
2 4
3
6
=
2
3
3
.

3)i) f nao e linear:
f(0, 0, 1)+f(0, 1, 0) = (0, 0)+(0, 0) = (0, 0) ,= f((0, 0, 1)+(0, 1, 0)) = f(0, 1, 1) = (3, 0).
g e claramente linear.
h nao e linear:
h(0, 1)+h(0, 0) = (0, 1, 1)+(0, 0, 1) = (0, 1, 2) ,= h((0, 1)+(0, 0)) = h(0, 1) = (0, 1, 1).
Alias, se fosse linear, h aplicava zero em zero.
gf(x, y, z) = g(2x + 3yz, 2x) = 2x e linear.
fh(x, y) = f(2x, y, 1) = (2(2x) + 3y1, 2(2x)) = (4x + 3y, 4x) e linear.
ii) gfh(x, y) = g(4x + 3y, 4x) = 4x tem n ucleo dado pela equacao gfh(x, y) = 0, ou
seja
Nuc gfh = (x, y) R
2
: 4x = 0 = 0 R
iii) fh(x, y) = (4x + 3y, 4x) entao
fh(1, 0) = (4, 4), fh(0, 1) = (3, 0)
e logo, sendo B
0
a base canonica,
A = M(fh, B
0
, B
0
) =
_
4 3
4 0
_
.
iv) p
A
() =
4 3
4
= (4 ) 12. Assim, o polinomio caracterstico de A

e
p
A
() =
2
4 12 = ( + 2)( 6)
onde usamos ja a formula resolvente para descobrir as razes.
4)i) Para ser subespaco vectorial, tem de ser fechado para a soma de quaisquer dois
vectores do subespa co e para o produto por escalar. Fazendo logo tudo ao mesmo
tempo, basta provar:
v
1
, v
2
U
, R = v
1
+ v
2
U
Ora isto e obvio pela bilinearidade do produto interno:

v
1
+ v
2
, u) = v
1
, u) + v
2
, u) = 0 + 0 = 0
para qualquer u U. Logo tambem v
1
+ v
2
U
, como queramos provar.

ii) Para ver que U
e o subespaco associado, e preciso ver que a diferenca de dois

quaisquer pontos P, P
de T e um vector de U
e, recprocamente, um ponto P T
adicionado de um vector v U
ainda esta em T. Mas isto e evidente de se ter

P
= P + P
P = P + v T sse
v, u) = P
P, u) = c c = 0 u U.
Assim pode-se garantir T = P + U
.


Evora
Exame de

26 de Janeiro de 2009
Cursos de CTA, EC, EER, EG, EI e EM
1. i) Mostre que P
T
1
= P
1
T
para qualquer matriz invertvel P /
n,n
.
ii) Uma matriz diz-se ortogonal se AA
T
= 1
n
. Mostre que o produto de duas
matrizes ortogonais e uma matriz ortogonal e prove que det A = 1.
iii) Mostre que
R
t
=
_
cos t sen t
sen t cos t
_
e ortogonal.
iv) Escreva a aplicacao linear f(x, y) de R
2
R
2
da qual R
t
e a matriz na base
canonica B
0
. Interprete num pequeno desenho de um graco x, y.
2. i) O que entende pela caracterstica de linha r de uma matriz? Qual a relacao com
a caracterstica de coluna?
ii) Considerando a matriz B =
_
_
3 k 1
4 1 k
7 k 5
_
_
, encontre k R de tal forma que
r(B) < 3.
iii) Admita k = 2; encontre os valores proprios de B.
iv) Ainda com k = 2, encontre um dos vectores proprios de B.
3. Sejam V, W espacos vectoriais de dim nita. Seja f : V W uma aplicacao
linear, que tem a seguinte propriedade:
v
1
, . . . , v
k
sao linearmente independentes (l.i.) = f(v
1
), . . . , f(v
k
) sao l.i.
Mostre que f e injectiva. (Sugestao: um dos teoremas das dimensoes.)
4. Mostre que o produto interno euclidiano e uma aplicacao bilinear simetrica:
u + v, w) = u, w) + v, w), u, v, w R
n
, R,
u, v) = v, u).
(3)
Escreva u = (x
1
, . . . , x
n
), v = (y
1
, . . . , y
n
), w = (z
1
, . . . , z
n
).
5. Encontre o ponto de interseccao da recta dada por
(x, y, z) = (2, 3, 4) + t(1, 0, 2), t R,
e o plano de equa cao 4x y z = 2, se existir.


Evora
Exame de

29 de Janeiro de 2009
Cursos de CTA, EC, EER, EG, EI e EM
1. i) Mostre que (PQ)
1
= Q
1
P
1
para quaisquer matrizes invertveis P, Q /
n,n
.
ii) Uma matriz A diz-se uma semelhan ca de razao > 0 se se tem AA
T
=
A
T
A = 1
n
. Prove que A e invertvel e encontre a sua inversa.
iii) Mostre que A
1
e uma semelhanca de razao 1/.
iv) Sejam a, b, c, d R tais que a
2
+ b
2
= 1, c
2
+ d
2
= 1. Mostre que
R =
_
_
a bc bd
b ac ad
0 d c
_
_
e ortogonal (semelhan ca de razao 1).
2. Das seguintes funcoes f, g, h : R
2
R
2
f(x, y) = (2x + 3y, 4x) g(x, y) = (0,
y) h(x, y) = gf(x, y)
i) diga quais sao aplicacoes lineares e justique a resposta nas que nao sao.
ii) Para as aplicacoes lineares, encontre as matrizes na base B
1
= (1, 1), (1, 0).
iii) Para as aplicacoes lineares, calcule a matriz da funcao inversa, na mesma
base, se existir.
iv) Para as aplicacoes lineares, encontre os valores proprios.
3. Seja V um espa co vectorial de dim nita, B uma base qualquer e f : V V uma
aplicacao linear.
i) O que entende por um vector proprio u de f associado a um valor proprio
?
ii) Mostre que o subespaco proprio associado a
U
:=
_
u V : u e vector proprio de f associado a
_
iii) Verique que Nuc f = U
0
.
iv) Mostre que, se Nuc f = 0, entao det M(f, B, B) ,= 0.
4. O teorema de Pitagoras no espaco euclidiano R
n
estabelece uma relacao entre as
normas de dois vectores ortogonais u, v e a norma da sua soma u + v. Enuncie
e prove esse teorema.

5. Considere a recta r dada por interseccao de dois planos
3x y = 4x 3z = 1.
Escreva a equacao vectorial da recta: r = P : P = P
0
+tu, t R. (Sugestao:
dois pontos denem uma recta.)
Exame de 26/1:
No exerccio 1)ii), supor que tem duas matrizes ortogonais A e B, portanto tambem
BB
T
= 1
n
, e mostrar que AB satisfaz a mesma condi cao.
Exame de 29/1:
No exerccio 2, a notacao refere-se a
gf = g f.
Depois em ii) pede-se de facto M(...; B
1
, B
1
).
No 4) pede-se para recordar o teorema de Pitagoras (esta em qualquer livro de
ALGA1) pensando no triangulo de lados u, v, u +v. Como u v, ie. u e ortogonal a
v, resulta que o triangulo e triangulo-rectangulo.
No 5) so tem de encontrar P
0
e u.

(1,0)
f(1,0)=(cos t , sen t)
(0,1)
f(0,1)=(sen t , cos t)
y
x
Figura 1: Uma rotacao e uma aplicacao linear
Resolucao do Exame de 26 de Janeiro, 1
a
chamada
1)i) Recordar que (AB)
T
= B
T
A
T
. Logo P
T
P
1
T
= (P
1
P)
T
= 1
T
= 1, ou seja
P
1
T
e o inverso de P
T
.
ii) Sejam A e B ortogonais: AA
T
= 1, BB
T
= 1. Entao (AB)(AB)
T
= ABB
T
A
T
=
A1A
T
= AA
T
= 1, como queramos.
iii)
RR
T
=
_
cos sen
sen cos
__
cos sen
sen cos
_
=
_
cos
2
+sen
2
cos sen sen cos
sen cos cos sen sen
2
+ cos
2
_
=
_
1 0
0 1
_
.
iv) A matriz diz-nos que f(1, 0) = (cos t, sen t), f(0, 1) = (sen t, cos t).
Ent ao f(x, y) = f(x(1, 0)+y(0, 1)) = xf(1, 0)+yf(0, 1) = x(cos t, sen t)+y(sen t, cos t) =
(x cos t ysen t, xsen t + y cos t).
Mais ainda, f e uma rotacao
3
(ver gura 1).
2)i) A caracterstica de linha r de uma matriz e o n umero de linhas linearmente
independentes (linhas sao entendidas como vectores de R
n
).

E igual à caracterstica
de coluna, como se viu num teorema demonstrado na aula teorica.
ii) Para uma matriz quadrada A de ordem n, e sabido que
r(A) < n A e singular A nao e invertvel det A = 0.
Dito pela negativa, por serem equivalencias, e o mesmo que:
r(A) = n A e regular A e invertvel det A ,= 0.
3
O facto de uma rota cao ser uma aplica cao linear remete apenas para os axiomas e proposicoes
de Euclides, circa 330 265 ac.

Assim, r(B) < 3 sse [B[ = 0 sse
3 k 1
4 1 k
7 k 5
= 15 + 7K
2
4k 7 + 3k
2
20k
= 10k
2
24k + 8 = 0.
Dividindo esta equacao por 2, temos de resolver 5k
2
12k + 4 = 0. O que da
k =
12
144 80
10
=
_
2
2
5
.
iii) Se k = 2, vem [B[ = 0 como se viu e vera, pois descobre-se o v.p. 0:
[B .1
3
[ =
3 2 1
4 1 2
7 2 5
= .... = (
2
9 + 12).
Os v.p. sao entao = 0 ou =
9
8148
2
=
9
33
2
.
iv) Para = 0 (o caso mais rapido), so temos de resolver BX = 0:
_
_
3x + 2y + z = 0
4x + y + 2z = 0
7x 2y + 5z = 0
_
10x + 6z = 0
5y + 2z = 0

_
x =
3
5
z
y =
2
5
z
Um vector proprio e uma das solucoes nao nulas: (
3
5
,
2
5
, 1).
3) Basta ver que Nuc f = 0, pois ja sabemos de outras ocasioes que tal implica
f injectiva. Ora qualquer v ,= 0 forma, por si so, um sistema linearmente indepen-
dente (s.l.i.). Entao pela hipotese f(v) tambem e um s.l.i., logo nunca podera ser 0.
Portanto, Nuc f nao contem outro vector senao o 0.
Outra resolucao: seja v
1
, . . . , v
n
uma base de V . Entao, como o subespa co
imagem Imf = f(v
1
), . . . , f(v
n
)) e gerado pela imagem dos vectores da base e
como por hipotese essas imagens formam um s.l.i., temos de concluir que dimImf =
n. Agora, por um teorema das dimensoes, dimV = dimNuc f + dimImf, donde so
pode ser dimNuc f = 0. Ou seja, Nuc f = 0. Sabamos ja que o n ucleo trivial
implica f injectiva.
4) Aqui basta usar a denicao de p.i. euclidiano: u, w) =
n
i=1
x
i
z
i
. Resulta entao,
u + v, w) = (x
1
, . . . , x
n
) + (y
1
, . . . , y
n
), (z
1
, . . . , z
n
))
= (x
1
+ y
1
, . . . , x
n
+ y
n
), (z
1
, . . . , z
n
))
= (x
1
+ y
1
)z
1
+ + (x
n
+ y
n
)z
n
= (x
1
z
1
+ + x
n
z
n
) + (y
1
z
1
+ + y
n
z
n
)
= u, w) + v, w)

A simetria u, v) =
i
x
i
y
i
=
i
y
i
x
i
= v, u) e simples.
5) O ponto (x, y, z) est a na recta se (x, y, z) = (2, 3, 4) + (t, 0, 2t) = (2 + t, 3, 4 + 2t)
para algum t e, o mesmo ponto, esta no plano se 4x y z = 2. Resolvendo, vem
4(2 +t) 3 (4 + 2t) = 2 t =
1
2
. Donde o ponto de interseccao e (
5
2
, 3, 5).
Resolucao do Exame de 29 de Janeiro, 2
a
chamada
1)i) Por denicao, (PQ)
1
PQ = 1
n
. Sabe-se que so existe uma inversa para cada
matriz invertvel. Ora,
Q
1
P
1
PQ = Q
1
(P
1
P)Q = Q
1
1
n
Q = Q
1
Q = 1
n
logo (PQ)
1
= Q
1
P
1
.
ii) Se AA
T
= 1
n
, com > 0, entao A
A
T
= 1
n
. Entao so pode ser A
1
=
A
T
(para
ver a inversa à esquerda faz-se o mesmo raciocnio, mas nao e necessario uma vez que
se trata de matrizes quadradas
4
).
iii) Basta ver:
A
1
(A
1
)
T
=
1
2
A
T
(A
T
)
T
=
1
2
A
T
A =

2
1
n
=
1
1
n
.
iv) Sejam a, b, c, d R tais que a
2
+ b
2
= 1, c
2
+ d
2
= 1. Entao
RR
T
=
_
_
a bc bd
b ac ad
0 d c
_
_
_
_
a b 0
bc ac d
bd ad c
_
_
=
_
_
a
2
+ b
2
c
2
+ b
2
d
2
ab abc
2
abd
2
bcd + bdc
ab abc
2
abd
2
b
2
+ a
2
c
2
+ a
2
d
2
acd adc
bcd + bcd acd acd d
2
+ c
2
_
_
=
_
_
1 0 0
0 1 0
0 0 1
_
_
Repare-se que a
2
+ b
2
c
2
+ b
2
d
2
= a
2
+ b
2
(c
2
+ d
2
) = 1.
(Nota para quem quer saber como se encontrou esta matriz ortogonal: Compoem-se
4
Uma matriz quadrada com inversa de um dos lados e invertvel.

duas rotacoes obvias ver exame anterior , uma do plano x,y e outra do plano
y,z. Depois, o produto de ortogonais e ortogonal e assim se produz aquela aparente
confusao. Mais ainda, o espaco euclidiano, seja R
2
, R
3
ou R
n
contem um GRUPO: o
grupo das matrizes ortogonais, que e o que generaliza o grupo das rotacoes do plano).
2)i) So f e linear. Vejamos g e h com contra-exemplos:
g((0, 1) + (0, 1)) = g(0, 2) = (0,
2) ,= g(0, 1) + g(0, 1) = (0, 1) + (0, 1) = (0, 2)

h(x, y) = gf(x, y) = g(2x + 3y, 4x) = (0,
4x) tambem nao e linear por razoes

parecidas às do anterior.
ii) Queremos encontrar M(f, B
1
, B
1
) = M. Entao temos de calcular:
f(1, 1) = (5, 4) = 4(1, 1) + 1(1, 0), f(1, 0) = (2, 4) = 4(1, 1) 2(1, 0)
(xadas as bases os coecientes sao unicos). Donde M =
_
4 4
1 2
_
.
iii) (Nota: este exerccio foi retirado durante a prova no dia 29.) A matriz da funcao
inversa, na mesma base, e a inversa da matriz da funcao dada: M(f
1
, B
1
, B
1
) =
(M(f, B
1
, B
1
))
1
= M
1
(se nao quer reconhecer deste facto, so tem de comecar por
calcular f
1
e depois proceder como em ii)). Agora pelo metodo da matriz adjunta,
tem-se:
M
1
=
1
12
_
2 4
1 4
_
.
Vericacao:
_
2 4
1 4
__
4 4
1 2
_
=
_
12 0
0 12
_
= 12.1
2
.
iv) Podemos usar M para procurar os valores proprios:
[M 1
2
[ =
4 4
1 2
= ( + 2)( 4) 4 =
2
2 12
Donde as razes sao: =
2
4+48
2
= 1
1 + 12 = 1
13. Falta-nos armar que

os valores proprios de f (tambem se dizemda matriz M) sao as razes do polinomio
caracterstico p
M
() = [M 1
n
[.
3)i) Um vector proprio u de f associado ao valor proprio e um vector de V tal que
f(u) = u.
ii) Para ver que U
e subespaco vectorial temos de ver que e fechado para a soma

de vectores e para o produto por escalares. Ora, se R e se u, v U
, ou seja,
f(u) = u e f(v) = v, entao resulta
f(u + v) = f(u) + f(v) = u + v = (u + v),
f(v) = f(v) = v = (v).

Donde u + v, v U
, como queramos demonstrar.

iii) Por denicao Nuc f = v V : f(v) = 0. Ora U
0
e exactamente o mesmo.
iv) Se Nuc f = 0, entao dimV = dim Imf. E como a imagem de f : V V
esta evidentemente contida em V , o facto de ter a mesma dimensao obriga a que seja
Imf = V . Logo f e injectiva e sobrejectiva, bijectiva invertvel a sua matriz
e invertvel o determinante e ,= 0.
Outra solucao: por iii) e pela hipotese, 0 nao e v.p. de M. Logo 0 nao e raz do
polinomio caracterstio p
M
() = [M 1
n
[. Ou seja, p
M
(0) = [M[ ,= 0.
4) Como e sabido das aulas teoricas, se u v, entao |u + v|
2
= |u|
2
+ |v|
2
(O
quadrado da hipotenusa e igual à soma dos quadrados dos catetos). De facto,
|u + v|
2
= u + v, u + v) = u, u) +u, v) +v, u) +v, v) = |u|
2
+|v|
2
,
porque u, v) = 0.
5) Encontremos um ponto P
0
na recta: pode ser P
0
= (0, 1,
1
3
), escolhido x = 0
e resolvidas as duas equacoes dadas. Agora outro ponto: P
1
= (1, 2, 1), escolhido
x = 1. Entao
r P
0
+ t(P
1
P
0
) = P
0
+ tu, t R.
u = (1, 3,
4
3
) e o versor da recta, ou seja, a direccao quando pensamos em P
0
como a
origem.


Evora
Exame de Recurso de

6 de Fevereiro de 2009 Cursos de CTA, EC, EER, EG, EI e EM
1. i) O que entende por sistema de vectores linearmente independentes v

1
, . . . , v
k
?
ii) Encontre uma base e diga qual a dimensao do subespaco vectorial de R
4
gerado por
(1, 2, 3, 2), (0, 1, 3, 1), (1, 4, 3, 0).
2. Seja V um espaco vectorial sobre R e B = v
1
, v
2
, v
3
, v
4
uma base de V .
i) Com recurso aos determinantes, encontre os valores de R para os quais o
sistema de vectores
u
1
= v
1
+ v
2
+ v
4
, u
2
= v
3
v
1
+ 2v
4
, u
3
= v
2
v
3
, u
4
= v
4
tambem forma uma base de V (sugestao: determine a matriz de mudanca de
base M(1
V
, u
i
, B)).
Escreva u
1
+ u
2
na base inicial e v
1
+ v
2
na base dos u
i
.
ii) Diga se W = xv
1
+ yv
2
+ zv
3
: x, y, z R, x
2
= y + z forma um
subespaco vectorial de V . Justique a resposta.
iii) Diga se S = (x, y) : xv
1
+yv
2
= xv
2
+yv
1
forma um subespaco vectorial
de R
2
e em caso armativo determine uma base de S.
3. Justique que o seguinte sistema AX = B e sempre possvel e determinado:
_
_
5x 2y z = b
1
2y + 5z = b
2
3x 4z = b
3
.
Encontre uma matriz A
tal que na resolucao do sistema, b

1
, b
2
, b
3
, so tenhamos
de fazer
_
_
x
y
z
_
_
= A
_
b
1
b
2
b
3
_
_
.
4. Seja f : R
3
R
3
uma aplicacao linear dada pelos subespacos proprios U
0
=
(0, 0, 1)) e U
1
= (2, 0, 1), (2, 3, 0)). Encontre a expresssao de f(x, y, z).
5. Mostre que Tr : /
n,n
R, Tr A =
n
i=1
a
ii
, e uma aplicacao linear.
Sera que g : /
n,n
/
n,n
, g(A) = ATr A, tambem e linear? Justique.

6. Mostre que nenhuma aplicacao linear f : R
n
R
m
, com n < m, e sobrejectiva.
7. Demonstre a identidade do paralelogramo: |u +v|
2
+|u v|
2
= 2|u|
2
+ 2|v|
2
,
u, v R
n
.
8. Diga se a recta r (1, 1, 1) +(1, 0, 1)) intersecta o plano x + y = 2.
No exerccio 4 recordar que
U
=
_
v R
3
: f(v) = v
_
.
No exerccio 6 tomar em conta a
Sugestao: usar um dos teoremas das dimensoes.

Resolucao do Exame de Recurso, de 6 de Fevereiro
1)i) Um sistema de vectores v
1
, . . . , v
k
diz-se um sistema de vectores linearmente
independentes (s.l.i.) se nao forem linearmente dependentes. Isto e, se nenhum deles
se escreve como combinacao linear dos restantes.
Equivalente: temos um s.l.i. se so ha uma forma de obter a combinacao linear
nula a partir dos v
1
, . . . , v
k
a saber, a que tem os escalares todos nulos.
Ainda de forma equivalente: temos s.l.i. se sempre que se tiver
1
v
1
+ +
n
v
n
=
0, entao
1
= . . . =
k
= 0.
ii) O subespaco e gerado por aqueles 3 vectores. Uma base e um conjunto minimal
de geradores, logo tem de ser um s.l.i. extrado de entre aqueles 3. Vejamos a
caracterstica do sistema:
_
_
1 2 3 2
0 1 3 1
1 4 3 0
_
_
L
3
L
1
_
1 2 3 2
0 1 3 1
0 2 6 2
_
_
L
3
2L
2
_
1 2 3 2
0 1 3 1
0 0 0 0
_
_
.
A caracterstica e claramente 2, logo posso tomar os dois primeiros vectores como
base do subespaco, o qual tem dimensao 2.
2)i) Pela sugestao, a matriz de mudanca de base e
_
_
1 1 0 1
0 1 2
0 1 0
0 0 0 1
_
_
O determinante e, pela regra de Laplace e de seguida a de Sarrus (ca so o quadrado à
esquerda em cima), igual a 1
2
. Logo nunca se anula. Logo a matriz de mudanca
de base e sempre invertvel. Os 4 vectores sao l.i., ou seja, formam uma base de V
qualquer que seja R (o enunciado diz-nos logo que V tem dimensao 4).
Claro que u
1
+ u
2
= v
1
+ v
2
+ v
4
+ v
3
v
1
+ 2v
4
= (1 )v
1
+ v
2
+ v
3
+ 3v
4
.
Tambem se resolve de cabeca o sistema linear para a escrita de vs em us no
caso particular pedido: basta olhar para os vectores,
v
1
+ v
2
= (v
1
+ v
2
+ v
4
) v
4
= u
1
u
4
.
Se nao se consegue ver logo, so temos de resolver o sistema: v
1
+ v
2
= xu
1
+ yu
2
+
zu
3
+ wu
4
.
ii) W nao e subespaco: v
1
v
2
W, pois 1
2
= 1, mas 2(v
1
v
2
) = 2v
1
2v
2
/ W
pois 2
2
,= 2. Logo W nao e fechado para a multiplicacao por escalares.
iii) Tem-se xv
1
+ yv
2
= yv
1
+ xv
2
x = y. Quer dizer, S = (x, y) R
2
: x = y,
ou seja S = (1, 1)).
3) Temos
A =
_
_
5 2 1
0 2 5
3 0 4
_
_

e, como o determinante [A[ = 40 30 6 = 4 ,= 0, o sistema tem caracterstica 3 e
logo e sempre possvel e determinado (independente de B). Para o resolver, passa-se
A para o outro lado: AX = B X = A
1
B. Portanto A
= A
1
e esta resolvida a
questao. Nao se percebendo bem se se pedia para calcular a inversa, calculamos aqui:
_
_
5 2 1 [ 1 0 0
0 2 5 [ 0 1 0
3 0 4 [ 0 0 1
_
_
L
3
3
5
L
1
L
1
L
2
_
_
5 0 6 [ 1 1 0
0 2 5 [ 0 1 0
0
6
5

17
5
[
3
5
0 1
_
_
L
3
+
3
5
L
2
_
5 0 6 [ 1 1 0
0 2 5 [ 0 1 0
0 0
2
5
[
3
5
3
5
1
_
_
L
1
15L
3
L
2
+
25
2
L
3
_
_
5 0 0 [ 10 10 15
0 2 0 [
15
2
17
2
25
2
0 0 1 [
3
2

3
2

5
2
_
_
acrescido de L
3

5
2
L
3
. Donde
A
1
=
_
_
2 2 3
15
4

17
4

25
4
3
2

3
2

5
2
_
_
.
Vericacao:
4A
1
A =
_
_
8 8 12
15 17 25
6 6 10
_
_
_
_
5 2 1
0 2 5
3 0 4
_
_
=
_
_
4 0 0
0 4 0
0 0 4
_
_
= 4.1
3
,
esta certo.
4) Seja e
1
, e
2
, e
3
a base canonica de R
3
; todos sabemos que vectores sao. Temos por
hip otese
f(0, 0, 1) = 0, f(2, 0, 1) = (2, 0, 1), f(2, 3, 0) = (2, 3, 0),
ou seja, f(e
3
) = 0, f(2e
1
+ e
3
) = 2e
1
+ e
3
, f(2e
1
+ 3e
2
) = 2e
1
+ 3e
2
. Agora, por
linearidade, da segunda destas equacoes vem
2f(e
1
) + f(e
3
) = 2e
1
+ e
3
2f(e
1
) = 2e
1
+ e
3
f(e
1
) = e
1
+
1
2
e
3
e da terceira vem
2f(e
1
) + 3f(e
2
) = 2e
1
+ 3e
2
(2e
1
+ e
3
) + 3f(e
2
) = 2e
1
+ 3e
2
f(e
2
) = e
2
1
3
e
3
.
Finalmente
f(x, y, z) = f(xe
1
+ ye
2
+ ze
3
) = xf(e
1
) + yf(e
2
) + zf(e
3
) =
= x
_
e
1
+
1
2
e
3
_
+ y
_
e
2
1
3
e
3
_
+ 0 = xe
1
+ ye
2
+
_
1
2
x
1
3
y
_
e
3
=
_
x, y,
1
2
x
1
3
y
_
.

4) (outra solucao) Os vectores proprios apresentados (associados a 0 ou a 1) consti-
tuem claramente uma base de R
3
. Entao existem escalares unicos
1
,
2
,
3
R tais
que
(x, y, z) =
1
(0, 0, 1) +
2
(2, 0, 1) +
3
(2, 3, 0).
Resolvemos o sistema:
_
_
z =
1
+
2
x = 2
2
+ 2
3
y = 3
3
1
= z
x
2
+
y
3
2
=
x
2

y
3
3
=
y
3
.
Entao
f(x, y, z) =
1
f(0, 0, 1) +
2
f(2, 0, 1) +
3
f(2, 3, 0)
=
1
.0 +
2
(2, 0, 1) +
3
(2, 3, 0)
=
_
x
2

y
3
_
(2, 0, 1) +
y
3
(2, 3, 0)
=
_
x, y,
1
2
x
1
3
y
_
.
5) Sejam A
1
, A
2
/
n,n
e R. Entao, sendo A
q
= [a
q
ij
]
i,j=1,...,n
para q = 1, 2, vem
Tr
_
A
1
+ A
2
_
=
n
i=1
(a
1
ii
+ a
2
ii
) =
i
a
1
ii
+
i
a
2
ii
= Tr A
1
+ Tr A
2
como queramos.
A aplicacao g nao e linear (porque aparece o argumento Anuma expresao quadratica):
basta conrmar com um exemplo
g(5A) = 5A.Tr (5A) = 5A.5Tr A = 25ATr A ,= 5g(A).
6) Pelo teorema das dimensoes (ver sugestao), sabemos que dimR
n
= n = dimNuc f+
dimImf. Daqui se ve logo que dimImf n. E como por hipotese n < m, tera de
ser Imf estritamente mais pequeno que R
m
. Ou seja, f nao cobre todo o espaco de
chegada. Isto mostra que f nao e sobrejectiva.
7) Usando as propriedades conhecidas do produto interno, vem
|u + v|
2
+|u v|
2
= u + v, u + v) +u v, u v)
= u, u) +u, v) +v, u) +v, v) +
u, u) u, v) v, u) +v, v)
= 2u, u) + 2v, v)
= 2|u|
2
+ 2|v|
2
.
8) Um ponto (1 + t, 1, 1 + t), t R, da recta r esta em ? Se e so se (1 + t) + 1 =
2 t = 0. Sim, ha solucao. Logo ha interseccao. No ponto (1, 1, 1), como se via
logo.
Tera mesmo de ser (1, 1, 1) = r .

Programa do curso de

Algebra Linear e Geometria Analtica, 2008/09
1) Elementos da teoria dos conjuntos
- no coes basicas, leis de Morgan, produtos cartesianos
- fun coes, injectividade e sobrejectividade
- rela coes de equivalencia
2) Os n umeros reais
- o corpo R e breves nocoes sobre grupo, anel e corpo
- divisores de zero
3) O anel das matrizes e sistemas lineares
-

Algebra das matrizes sobre R (referencia ao corpo qualquer)
- matrizes especiais
- sistemas de equacoes lineares
- transposta, inversa, calculo da inversa, o metodo da transposicao
- resolucao de sistemas por matriz ampliada
- vectores em R
n
, independencia linear
- caracterstica de uma matriz
- estudo dos sistemas
4) Determinantes
- denicao, calculo, regras
- teoria dos menores, regra de Laplace
5) Espacos vectoriais sobre R
- denicao (com referencia ao corpo qualquer), exemplos, soma directa
- subespacos vectoriais, espaco vectorial quociente (N
AO FOI DADO)
- bases e dimensao
- dimensao da soma directa de subespacos
6) Aplicacoes lineares
- denicao, n ucleo, imagem
- representacao matricial, o produto vs composicao
- transforma cao por mudanca de bases
- teorema do homomorsmo
7) Valores vectores proprios
- denicao e polinomio caracterstico
- diagonalizacao
8) Geometria do plano e do espaco
- planos e rectas ans
- distancia entre planos, rectas e pontos
- volumes

Bibliograa recomendada para o curso de ALGA 2008/09
1 - Dias Agudo, F.R., Introducao à

Algebra Linear e Geometria Analtica,
Livraria Escolar Editora
2 - Greub, W., Linear Algebra, Springer
3 - Lipschutz, S.,
Algebra Linear, McGraw-Hill

4 - Magalhaes, L.T.
Algebra linear como introdu cao à matematica aplicada,

Texto editora
5 - Monteiro, A.J.A.,
Algebra Linear e Geometria Analtica, edicao da Associacao

de Estudantes da FCUL
6 - Silva Ribeiro, C.,
Algebra linear: exerccios e aplicacoes, McGraw-Hill

Nota: ha muitos mais livros de algebra linear na seccao M15 da biblioteca.

Exerc Icios Resolvidos de A Lgebra Linear e Geometria Anal Itica

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Exerc Icios Resolvidos de A Lgebra Linear e Geometria Anal Itica

Enviado por

Direitos autorais:

Formatos disponíveis

Exerccios resolvidos de

Algebra Linear e Geometria Analtica

Algebra Linear e Geometria Analtica

Algebra Linear e Geometria Analtica

. Mostre que entao e = e

sao dois inversos do mesmo elemento g G. Mostre

= e e, pela mesma razao

Algebra Linear e Geometria Analtica

= 1.2.2 + 4.2.4 + 5.1.5 5.2.4 (1).4.5 2.1.2 = 29.

bases xadas em V, W, respectivamente. Sejam X =

R e linear. Verique que

na base canonica, (1, 0), (0, 1).

U e R, com f aplicacao linear e U subespaco vectorial

e subespaco vectorial real do espaco

as respectivas bases dadas de R

2). Agora, por (), vemos que (x, y, z) =

Algebra Linear e Geometria Analtica

Algebra Linear e Geometria Analtica

= k(3 2k) (2 2k) = 2k

AO deve ter para A ser regular. Ou seja, k R

. Mas entao vem

)) = (a, b, c), (x, y, z)) (a, b, c), (x

Algebra Linear e Geometria Analtica

recorrendo a alnea anterior.

= (4 ) 12. Assim, o polinomio caracterstico de A

Ora isto e obvio pela bilinearidade do produto interno:

, como queramos provar.

e o subespaco associado, e preciso ver que a diferenca de dois

ainda esta em T. Mas isto e evidente de se ter

2) ,= g(0, 1) + g(0, 1) = (0, 1) + (0, 1) = (0, 2)

4x) tambem nao e linear por razoes

13. Falta-nos armar que

e subespaco vectorial temos de ver que e fechado para a soma

, como queramos demonstrar.

1. i) O que entende por sistema de vectores linearmente independentes v

tal que na resolucao do sistema, b

Algebra Linear, McGraw-Hill

Algebra linear como introdu cao `a matematica aplicada,

Algebra Linear e Geometria Analtica, edicao da Associacao

Algebra linear: exerccios e aplicacoes, McGraw-Hill

Você também pode gostar